양자 신경망의 인증된 학습을 위한 양자 구간 경계 전파

요약

본 논문은 양자 머신러닝 모델의 인증된 학습을 위해 '양자 구간 경계 전파(QIBP)'를 제안합니다. QIBP는 고전적인 인증 학습 방법인 IBP를 양자 도메인에 적용하여, 훈련 과정에서 적대적 섭동이 발생하더라도 모델이 올바른 라벨 예측을 보장하는 강력한 결정 경계를 확립합니다. 연구진은 이 방법을 구간 산술과 선형 산술 두 가지 방식으로 구현하고 평가하여 그 효과를 입증했습니다.

핵심 포인트

• 양자 머신러닝의 인증된 학습(Certified Learning)을 위한 새로운 방법론인 QIBP를 제시함.
• QIBP는 적대적 섭동에 대한 모델의 예측 정확성을 수학적으로 보장하는 강력한 결정 경계를 제공함.
• 이 방법을 구간 산술(interval arithmetic)과 선형 산술(affine arithmetic) 두 가지 방식으로 구현하여 트레이드오프를 분석함.
• 평가 결과, QIBP로 훈련된 모델은 적대적 견고성 범위 내에서 올바른 클래스를 예측할 수 있음을 입증함.